{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "视觉算法工程师（人机交互/XR多模态方向）-PICO",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "算法"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、负责XR场景下人机交互相关视觉感知算法的研发与工程落地工作，包括但不限于眼动追踪技术、情绪感知技术等方向；\n2、基于深度学习方法进行模型设计、训练与评测，持续优化算法在真实设备上的鲁棒性、时延、功耗与体验指标，推动移动端/嵌入式侧部署（如量化、剪枝、加速与性能调优）；\n3、参与数据与评测体系建设：数据采集与清洗、自动/半自动标注、合成数据（仿真/渲染）、建立可复用的数据闭环与指标体系；\n4、与产品、交互、硬件、系统软件等团队协作，推进算法在端侧应用落地；参与关键技术方案评审、问题定位与迭代优化；\n5、探索多模态交互在XR场景的融合应用，研究多模态信息的对齐与融合（时空对齐、语义融合、置信度建模等），并参与原型系统验证。",
        "requirements_text": "1、计算机、自动化、电子、数学等相关专业，本科及以上学历，硕士学位、博士学位优先；\n2、数学与算法基础扎实：线性代数、概率统计、优化方法、数值计算等；对机器学习/深度学习核心理论有系统理解；\n3、编程基础扎实：熟练使用Python/C++（至少其一非常熟练）；具备良好的工程习惯（调试、性能分析、单元测试、代码规范等）；\n4、熟悉至少一种深度学习框架（PyTorch/TensorFlow等），有模型训练、调参、评估与问题诊断的经验；理解常见视觉网络/Transformer等结构与训练范式；\n5、具备良好的沟通协作能力与自驱力，能在不确定问题中快速学习、拆解并推进落地。\n\n加分项：\n1、在AI/计算机视觉/多模态方向发表过会/刊论文或有高质量开源项目贡献（CVPR/ICCV/ECCV/NeurIPS/ICLR等）；\n2、有多模态大模型（MLLM/VLM）相关项目业务落地经历：多模态预训练、后训练、指令跟随、RAG、Agent工具调用、端侧推理优化等；\n3、有OpenClaw/Agent框架相关项目经验，或具备将模型能力与工程系统结合、实现自动化任务/工具编排的实践；\n4、有端侧部署经验（Android/iOS/嵌入式/NPU），熟悉TensorRT/ONNX Runtime/CoreML/NNAPI/TFLite等任一工具链；\n5、有XR传感器与系统背景（相机/IMU/深度传感器/SLAM等）与实时系统优化经验者加分。",
        "skills": [AI生成
            "Python",
            "C++",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "深度学习",
            "计算机视觉",
            "模型训练",
            "嵌入式",
            "大语言模型",
            "检索增强生成"
        ],
        "preferred_qualifications": "1、计算机、自动化、电子、数学等相关专业，本科及以上学历，硕士学位、博士学位优先；加分项：；5、有XR传感器与系统背景（相机/IMU/深度传感器/SLAM等）与实时系统优化经验者加分",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7628072994200635653/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7628072994200635653",
        "post_date": "2026-04-13",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7628072994200635653/detail"
    },
    "fulltext": "视觉算法工程师（人机交互/XR多模态方向）-PICO\n职位描述\n1、负责XR场景下人机交互相关视觉感知算法的研发与工程落地工作，包括但不限于眼动追踪技术、情绪感知技术等方向；\n2、基于深度学习方法进行模型设计、训练与评测，持续优化算法在真实设备上的鲁棒性、时延、功耗与体验指标，推动移动端/嵌入式侧部署（如量化、剪枝、加速与性能调优）；\n3、参与数据与评测体系建设：数据采集与清洗、自动/半自动标注、合成数据（仿真/渲染）、建立可复用的数据闭环与指标体系；\n4、与产品、交互、硬件、系统软件等团队协作，推进算法在端侧应用落地；参与关键技术方案评审、问题定位与迭代优化；\n5、探索多模态交互在XR场景的融合应用，研究多模态信息的对齐与融合（时空对齐、语义融合、置信度建模等），并参与原型系统验证。\n\n职位要求\n1、计算机、自动化、电子、数学等相关专业，本科及以上学历，硕士学位、博士学位优先；\n2、数学与算法基础扎实：线性代数、概率统计、优化方法、数值计算等；对机器学习/深度学习核心理论有系统理解；\n3、编程基础扎实：熟练使用Python/C++（至少其一非常熟练）；具备良好的工程习惯（调试、性能分析、单元测试、代码规范等）；\n4、熟悉至少一种深度学习框架（PyTorch/TensorFlow等），有模型训练、调参、评估与问题诊断的经验；理解常见视觉网络/Transformer等结构与训练范式；\n5、具备良好的沟通协作能力与自驱力，能在不确定问题中快速学习、拆解并推进落地。\n\n加分项：\n1、在AI/计算机视觉/多模态方向发表过会/刊论文或有高质量开源项目贡献（CVPR/ICCV/ECCV/NeurIPS/ICLR等）；\n2、有多模态大模型（MLLM/VLM）相关项目业务落地经历：多模态预训练、后训练、指令跟随、RAG、Agent工具调用、端侧推理优化等；\n3、有OpenClaw/Agent框架相关项目经验，或具备将模型能力与工程系统结合、实现自动化任务/工具编排的实践；\n4、有端侧部署经验（Android/iOS/嵌入式/NPU），熟悉TensorRT/ONNX Runtime/CoreML/NNAPI/TFLite等任一工具链；\n5、有XR传感器与系统背景（相机/IMU/深度传感器/SLAM等）与实时系统优化经验者加分。\n1、负责XR场景下人机交互相关视觉感知算法的研发与工程落地工作，包括但不限于眼动追踪技术、情绪感知技术等方向；\n2、基于深度学习方法进行模型设计、训练与评测，持续优化算法在真实设备上的鲁棒性、时延、功耗与体验指标，推动移动端/嵌入式侧部署（如量化、剪枝、加速与性能调优）；\n3、参与数据与评测体系建设：数据采集与清洗、自动/半自动标注、合成数据（仿真/渲染）、建立可复用的数据闭环与指标体系；\n4、与产品、交互、硬件、系统软件等团队协作，推进算法在端侧应用落地；参与关键技术方案评审、问题定位与迭代优化；\n5、探索多模态交互在XR场景的融合应用，研究多模态信息的对齐与融合（时空对齐、语义融合、置信度建模等），并参与原型系统验证。\n1、计算机、自动化、电子、数学等相关专业，本科及以上学历，硕士学位、博士学位优先；\n2、数学与算法基础扎实：线性代数、概率统计、优化方法、数值计算等；对机器学习/深度学习核心理论有系统理解；\n3、编程基础扎实：熟练使用Python/C++（至少其一非常熟练）；具备良好的工程习惯（调试、性能分析、单元测试、代码规范等）；\n4、熟悉至少一种深度学习框架（PyTorch/TensorFlow等），有模型训练、调参、评估与问题诊断的经验；理解常见视觉网络/Transformer等结构与训练范式；\n5、具备良好的沟通协作能力与自驱力，能在不确定问题中快速学习、拆解并推进落地。\n\n加分项：\n1、在AI/计算机视觉/多模态方向发表过会/刊论文或有高质量开源项目贡献（CVPR/ICCV/ECCV/NeurIPS/ICLR等）；\n2、有多模态大模型（MLLM/VLM）相关项目业务落地经历：多模态预训练、后训练、指令跟随、RAG、Agent工具调用、端侧推理优化等；\n3、有OpenClaw/Agent框架相关项目经验，或具备将模型能力与工程系统结合、实现自动化任务/工具编排的实践；\n4、有端侧部署经验（Android/iOS/嵌入式/NPU），熟悉TensorRT/ONNX Runtime/CoreML/NNAPI/TFLite等任一工具链；\n5、有XR传感器与系统背景（相机/IMU/深度传感器/SLAM等）与实时系统优化经验者加分。",
    "standard_classification": {
        "std_category_code": "T034",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}